研究指南
论文与图表的科学配色方案（2026）
色盲友好的科学配色方案与十六进制色值，以及在科研图、图表和海报中选色的实用规则。
论文最好的科学配色应当感知均匀且对色盲友好：连续数据用 viridis，分类数据用 Okabe–Ito 配色，跨越中值上下的数据用 ColorBrewer 发散方案。好的配色不是装饰——它编码信息、在灰度打印时依然可读，并对约 1/12 的男性与 1/200 的女性色觉障碍者保持清晰。下面给出可直接使用的配色与色值，以及应用规则。
可直接使用的科学配色
| 配色 | 类型 | 色盲友好 | 适用场景 |
|---|---|---|---|
| Viridis | 顺序型 | 是 | 热力图、连续标度、密度图 |
| Cividis | 顺序型 | 是（已优化） | 需灰度打印的连续数据 |
| Okabe–Ito | 分类型 | 是 | 最多 8 个离散分组或系列 |
| ColorBrewer Set2 | 分类型 | 是 | 3–6 个柔和分类分组 |
| ColorBrewer RdBu | 发散型 | 是 | 相关性、log 倍数变化、正负值 |
| 灰度 | 顺序型 | 始终 | 单变量图、仅黑白的期刊 |
Okabe–Ito 分类配色（含色值）
这套八色配色专为在常见色盲类型下仍可区分而设计，是柱状图、散点系列与示意图标注的稳妥默认：
- 黑
#000000、橙#E69F00、天蓝#56B4E9、蓝绿#009E73 - 黄
#F0E442、蓝#0072B2、朱红#D55E00、紫红#CC79A7
按顺序取用，用到实际分类数即可。超过六七种颜色，无论怎么设计都难以区分。
科研配图的选色规则
用颜色编码数据，而非装饰。 每种颜色都应有含义；同一类别用同一颜色，纯为好看则统一用一种色。
先按灰度设计。 很多读者仍黑白打印，部分期刊彩图另收费。只靠色相的图在灰度下会失效——用明度、线型或纹理的差异来保底。
避免彩虹（jet）色图。 经典红蓝彩虹并非感知均匀，会在数据平滑处制造假边界、又掩盖真实梯度。viridis 与 cividis 正是为此而生，已是多数绘图库的默认。
限制配色数量。 单张图两到四种色通常足够。整套图的一致性比多样性更重要——同一变量在全文用同一种颜色。
不要只用红/绿编码含义。 这是最常见的混淆轴。把颜色与形状、位置或直接标注配合，红绿色盲读者才不会丢信息。
按图型匹配配色
概念图或机制图用颜色给相关部件分组——配色控制在几种柔和色相内，标注才清晰。用科学插图生成器或图形摘要制作器起草时，把默认输出改成色盲友好配色。科研海报因为要远距离阅读，需要更高对比：浅底深字，全图用一种强调色而非每个板块换一种色。
工具与配色来源
多数科研绘图库都内置这些配色：matplotlib 与 seaborn 默认含 viridis 和 cividis，R 的 viridis 与 RColorBrewer 覆盖其余，ColorBrewer 网站可预览并复制任意方案的色值。手工作图时，保存一份选定配色的色板，让全文每张图取自同一套色。
常见问题
最好的色盲友好配色是什么？ 分类数据用 Okabe–Ito 八色；连续数据用 viridis 或 cividis，二者在常见色觉障碍下都可区分。
为什么避免彩虹色图？ 它非感知均匀，会在平滑数据处造假边界、掩盖真实梯度；viridis 与 cividis 为纠正它而设计。
科研图该用几种颜色？ 通常两到四种；超过六七种后无论何种配色都难以区分。
图必须在灰度下可用吗？ 是。很多读者黑白打印、部分期刊彩图收费，因此除色相外还要用明度或纹理编码含义。
想用干净、色盲友好的配色做图？免费生成可编辑的科学配图。